Pandas浮点型温度数据筛选：提取符合数值条件的行

嗨，我来帮你搞定这个困扰你的问题！你之前尝试用range()配合isin()的思路确实不适合处理浮点数——毕竟range()只能生成整数序列，完全没法覆盖你需要的小数区间场景。其实用pandas的布尔索引就能轻松实现你的需求，步骤超简单：

步骤1：确保列数据是数值类型 #

首先得保证你的两列数据是浮点/数值类型，避免后续筛选出错。如果之前的astype(float)没问题最好，要是怕有非数值的脏数据，推荐用pd.to_numeric()更稳妥，它能把无法转换的值变成NaN（后续可以根据情况处理这些NaN）：

import pandas as pd

# 假设你的数据存在DataFrame里，名为df
df['rowA'] = pd.to_numeric(df['rowA'], errors='coerce')
df['rowB'] = pd.to_numeric(df['rowB'], errors='coerce')

步骤2：用布尔条件直接筛选行 #

不需要复杂的range或isin，直接写出你的两个筛选条件，用&连接（注意每个条件要加括号，避免运算符优先级坑）：

# 筛选rowA>35 且 rowB<50的行
filtered_rows = df[(df['rowA'] > 35) & (df['rowB'] < 50)]

举个完整的例子 #

给你写个可运行的示例，方便你对照：

import pandas as pd

# 模拟你的温度数据
temp_data = {
    'rowA': [34.67777, 36.2345, 37.8901, 33.1234],
    'rowB': [56.53637, 48.7654, 51.2345, 45.6789]
}
df = pd.DataFrame(temp_data)

# 确保数据类型正确
df['rowA'] = pd.to_numeric(df['rowA'], errors='coerce')
df['rowB'] = pd.to_numeric(df['rowB'], errors='coerce')

# 执行筛选
result = df[(df['rowA'] > 35) & (df['rowB'] < 50)]
print(result)

运行后会得到唯一符合条件的行：

rowA    rowB
1  36.2345  48.7654

简单说，这类“大于/小于某个阈值”的连续范围筛选，布尔索引就是最直接高效的方式，完全不用绕弯子用range~

内容的提问来源于stack exchange，提问作者saph_top